2017年10月10日

课程大纲

  • R语言的特征
  • R工作界面介绍
  • R的基础设定
  • R的基础操作
  • R数据分析的例子
  • R的学习方式与资料

R 语言的特征

什么是 R

  • R 语言是一种业界盛行的数据分析编程语言
  • 理念就是快速、准确地把想法转化成软件
  • R 语言脱胎于 1980 年左右诞生的 S 语言
  • S语言是贝尔实验室统计研究部编制的一套完整的高级语言系统
  • 在1998年被美国计算机协会(ACM) 授予了“软件系统奖”
  • 1997 年 R 语言正式成为 GNU 项目
  • 2010年获得第一届“统计计算及图形奖”（美国统计协会）

R 语言的特点

  • 开源和免费
  • 功能强大且扩展性强（需要一定基础）
  • 与其它软件的交互能力强
  • 各类前沿的数据分析建模方法
  • 实现可重复性(Reproducible)分析
  • 适用于多操作系统的轻量化平台
  • 编程简单(学习曲线比较陡)
  • 更新快速且文档完备(需要适应)

R 的整合能力

  • 数据：可连接数据库，如Oracle、MySQL
  • 运算：可调用C或Fortran函数进行底层运算
  • 应用：可作为运算引擎嵌入到JAVA开发的系统中(Rserve)
  • 网络：R与web整合部署(Rook, shiny)

R 可以做什么？

  • 统计计算与绘图（学术界）
  • 数据爬取
  • 文本分析
  • 空间分析
  • 网络分析
  • task views

R工作界面介绍

R 的下载和安装

  • R的官方网站
  • RStudio开发环境
  • 扩展包的安装和加载
    • install.packages("tidyverse")
    • library(tidyverse)
  • 安装扩展包相当于将某个工具买回来了；加载相当于带在身上了。

R 的启动设置

改变默认语言(建议设定为英文)

  • (win)修改R安装目录下etc\Rconsole文件，language = en
  • (linux)在用户主目录中增加文件.Renviron，LANGUAGE=en
  • (Mac) 在终端中输入 defaults write org.R-project.R force.LANG en_US.UTF-8 即可

查询当前工作目录getwd() 改变默认工作目录 setwd("D:/work")

注意Mac与Windows电脑路径表达差异

R与Rstudio的关系

R的界面

  • 可以演示在console中进行运算

RStudio的界面

  • 演示在Rstudio的创建R代码文件
  • 撰写基本运算 ctrl+enter 运行

RStudio的界面设定

RStudio的界面介绍

R和Rstudio、Rmarkdown的进一步学习

演示时间
基础设定、安装包、
交互编程、创建文件、打开文件

打开文件为乱码的情况

通过菜单file->reopen with encoding,简体中文通常可尝试选择gb2312解决

演示时间
通过Rscript
进行数据分析与结果呈现

演示时间
使用Rmarkdown
进行数据分析与结果呈现

创建Rmd文件：菜单操作

创建Rmd文件：设定输出文件格式

Rmd文件的结果

自动生成的模板文件已经设定了头部yaml

简单的文本和代码以及相关操作说明。

通过cmd+op+I插入代码。

R Markdown 简单语法

  • 简单的标记语法（记得带空格）
  • #表示一级标题；##二级标题 ###三级标题
  • -号或+号或*号表示列表
  • 数字加英文句号表示数字列表
  • 加() 链接
  • 加()插入图片
  • 前后两个*表示加粗
  • 前后一个*表示斜体

  • 表示引用

  • 兼容html语法和CSS设定 技巧：可以将一个语法手册放在手边，随时参考 .

Rmd 代码块参数设置

  1. include=FALSE 代码可以执行，报告(html、word)中不出现代码和结果，但是运行的结果存在workspace中，可以直接调用
  2. echo = FALSE 执行代码，打印结果，但是不打印代码~即最终报告中出现的结果，没有代码
  3. message = FALSE 执行代码，打印代码，不打印结果
  4. warning = FALSE 执行代码，不打印出warning的信息
  5. fig.cap = "…" 输出图形结果时添加标题 6.fig.width / fig.height设定输出图大小

Rmd文件的编译

编辑完成之后可以通过Rstudio上的Knit按钮进行转码打印

Rmarkdown示例
预期寿命与人均GDP关系

数据分析任务

呈现全球国家的预期寿命(life expectancy)和人均GDP(GDP per capita)之间的关系. Hans Rosling曾经做个一个TED演讲。

第一步: 创建文件并加载必要的包（packages）

  • 下面将使用 dplyr包 (用于数据处理 data wrangling) 和 ggplot2 (用于作图，visualization) .

  • 首先要确保这些包都安装了（installed）.

  • 在markdown中加载（Load）这些包:

library(dplyr)
library(ggplot2)

第二步: 导入数据

# gapminder <- read.csv("https://stat.duke.edu/~mc301/data/gapminder.csv")
# setwd("/Users/liding/E/Bdata/liding17/2017R/lesson3/")
gapminder <- read.csv("gapminder.csv")

第三步: 筛选数据

  • 以gapminder 数据集（dataset）开始

  • 选择年份（year）变量等于2007的案例

  • 将筛选出来的案例存到一个新的数据集gap07

gap07 <- gapminder %>%
  filter(year == 2007)

第四步: 探索和可视化（Explore and visualize）

任务: 呈现 gdpPercap 与lifeExp之间的关系.

qplot(x = gdpPercap, y = lifeExp, data = gap07)

第五步: 深入分析1

任务: 各个大陆的点使用不同的颜色.

qplot(x = gdpPercap, y = lifeExp, color = continent, data = gap07)

第五步: 深入分析2

任务: 在设定点的大小与人口规模成正比.

qplot(x = gdpPercap, y = lifeExp, color = continent, size = pop,data = gap07)

创建动态图的命令

#library(dplyr)
library(gganimate)
library(ggplot2)
library(readr)
# gapminder <- read_tsv("gapminderDataFiveYear.tsv")
gapminder <- read.csv("https://stat.duke.edu/~mc301/data/gapminder.csv")
gapminder_plot <- ggplot(gapminder) +
  aes(x = gdpPercap, y = lifeExp, colour = continent, size = pop,
      frame = year) +
  geom_point(alpha = 0.4) +
  scale_x_log10()
# gapminder_plot
gganimate(gapminder_plot, convert='gm convert', filename = "gapminder-gganimate.gif")

动态图结果

R数据分析例子2
川普支持度(不讲)

了解数据源

第一步：加载必要的包，设定

if (!require(hrbrthemes)) install.packages('hrbrthemes')
if (!require(rvest)) install.packages('rvest')  
library(tidyverse)

第二步：获取网页中的表格

对两个网页做同样的事情

list(
  Obama="http://m.rasmussenreports.com/public_content/politics/obama_administration/obama_approval_index_history",
  Trump="http://m.rasmussenreports.com/public_content/politics/trump_administration/trump_approval_index_history"
) %>% 
  map_df(~{
    read_html(.x) %>%
      html_table() %>%
      .[[1]] %>%
      tbl_df() %>%
      select(date=Date, approve=`Total Approve`, disapprove=`Total Disapprove`)
  }, .id="who") -> ratings

第三步：处理变量

data <- mutate_at(ratings, 
                  c("approve", "disapprove"), 
                  function(x) as.numeric(gsub("%", "", x,fixed=TRUE))/100) %>%
  mutate(date = lubridate::dmy(date)) %>%
  filter(!is.na(approve)) %>%
  group_by(who) %>%
  arrange(date) %>%
  mutate(dnum = 1:n()) %>%
  ungroup()
## Warning in (function (x) : NAs introduced by coercion
## Warning in (function (x) : NAs introduced by coercion

第四步：作图

ggplot(data,aes(dnum, approve, color=who)) +
  geom_hline(yintercept = 0.5, size=0.5) +
  geom_point(size=0.25) +
  scale_y_percent(limits=c(0,1)) +
  scale_color_manual(name=NULL, values=c("Obama"="#313695", "Trump"="#a50026")) +
  labs(x="Day in office", y="Approval Rating",
       title="Presidential approval ratings from day 1 in office",
       subtitle="Data was taken solely from Trump's favorite polling site (Ramussen)",
       caption="Data Source: \nCode: rasmussenreports.com")

第四步：作图

R的学习方法与资料

学习 R 的方法

  • 适时做笔记,以记下一些重点或技巧（在原文件中加入批注的形式）。
  • 学习时亲手键入代码，修改，理解其意义。
  • 坚持练习,尝试利用身边的数据进行应用分析。

如何得到帮助

  • help.start() 打开帮助文档首页
  • help("foo")或?foo 查看函数foo的帮助（引号可以省略）
  • help.search("foo")或??foo 以foo为关键词搜索本地帮助文档
  • example("foo") 函数foo的使用示例（引号可以省略）
  • RSiteSearch("foo") 以foo为关键词搜索在线文档和邮件列表存档
  • apropos("foo", mode="function") 列出名称中含有foo的所有可用函
  • data() 列出当前已加载包中所含的所有可用示例数据集
  • vignette() 列出当前已安装包中所有可用的vignette文档
  • vignette("foo")为主题foo显示指定的vignette文档

为什么教大家tidyerse

为什么教大家tidyverse

  • 教学中会对照tidyverse与R基础语言，但以tidyverse为主。
  • 现在已经由Rstudio维护:质量、一致性、可持续性、扩展性有保证！

参考资料

R基础语法练习

交互测试练习网页

To be continued